Python 开发神技 -- 使用管道 Pipe

 

众所周知，神技使用Pytnon 非常擅长处理数据，管道尤其是神技使用后期数据的清洗工作。今天派森酱就给大家介绍一款处理数据的管道神器 Pipe。

什么是神技使用 Pipe

简言之，Pipe 是管道 Python 的一个三方库。

通过 Pipe 我们可以将一个函数的神技使用处理结果传递给另外一个函数，这意味着你的管道代码会非常简洁。

要使用 Pipe 需要提前安装，神技使用直接使用 pip 安装即可。管道 

pip install pipe 

过滤元素

和 filter 类似，神技使用pipe 中的管道 where 操作可以过滤可迭代对象中的元素。 

In [5]: numbers = [0,神技使用 1, 2, 3, 4, 5]  In [6]: list(numbers | where(lambda x: x % 2 == 0))  Out[6]: [0, 2, 4] 

作用元素

类似 map，select 操作可以将函数作用于可迭代对象中的管道每个元素。下面的神技使用例子中我们将列表中的元素都扩大 2 倍。 

In [8]: list(numbers | select(lambda x: x * 2))  Out[8]: [0, 2, 4, 6, 8, 10] 

当然，云服务器还可以将多种操作合并在一起来玩。

下面的例子就是将列表中的偶数挑选出来并扩大 2 倍，和 filter 与 map 不同的是，pipe 可以将多个操作连接起来，就像水管套水管一样，所以我想管道这个名字也是很接地气了。 

In [10]: list(numbers      ...:     | where(lambda x: x % 2 == 0)      ...:     | select(lambda x: x * 2)      ...:    )      ...:  Out[10]: [0, 4, 8] 

连接元素

操作嵌套列表时非常痛苦，值得高兴的是 pipe 给出了很友好的接口，只需要 chain 一下即可。 

In [11]: list([[1, 2], [3, 4], [5]] | chain)  Out[11]: [1, 2, 3, 4, 5]  In [30]: list((1, 2, 3) | chain_with([4, 5], [6]))  Out[30]: [1, 2, 3, 4, 5, 6]  In [31]: list((1, 2, 3) | chain_with([4, 5], [6,[7]]))  Out[31]: [1, 2, 3, 4, 5, 6, [7]] 

如你所见，chain 只可以拆开一层，如果要拆开多层嵌套的话，不要慌，traverse 轻松搞定。 

In [12]: list([[1, 2], [[[3], [[4]]], [5]]] | traverse)  Out[12]: [1, 2, 3, 4, 5] 

结合 select 一起，获取字典中的某个字段属性集合。 

In [32]: fruits = [      ...:     { "name": "apple", "price": [2, 5]},      ...:     { "name": "orange", "price": 4},      ...:     { "name": "grape", "price": 5},      ...: ]  In [33]: list(fruits      ...:      | select(lambda fruit: fruit["price"])      ...:      | traverse)      ...:  Out[33]: [2, 5, 4, 5] 

分组

对列表中的服务器租用元素进行分组是必不可少的，在 pipe 中可以使用 groupby 来完成。 

In [26]: list(numbers      ...:      | groupby(lambda x: Even if x % 2 == 0 else Odd)      ...:      | select(lambda x: { x[0]: list(x[1])})      ...:     )      ...:  Out[26]: [{ Even: [0, 2, 4]}, { Odd: [1, 3, 5]}] 

同样，还可以在 select 中添加 where 过滤条件。 

In [27]: list(numbers      ...:      | groupby(lambda x: Even if x % 2 == 0 else Odd)      ...:      | select(lambda x: { x[0]: list(x[1] | where(lambda x: x > 2))})      ...:     )      ...:  Out[27]: [{ Even: [4]}, { Odd: [3, 5]}] 

行列互换

数据处理中时常会用到行列互相转换，尤其是在用 DataFrame 时，使用 pipe 一行代码搞定行列转换。 

In [24]: [[1, 2, 3], [4, 5, 6], [7, 8, 9]] | transpose  Out[24]: [(1, 4, 7), (2, 5, 8), (3, 6, 9)] 

删除元素

对列表去重也是一项常用的操作，在 pipe 中使用 dedup 来对列表进行去重。 

In [28]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | dedup)  Out[28]: [1, 2, 3] 

与 dedup 不同的是，uniq 只会对连续的重复元素保留一个，非连续重复元素则不过滤。 

In [29]: list([1, 1, 2, 2, 3, 3, 1, 2, 3] | uniq)  Out[29]: [1, 2, 3, 1, 2, 3] 

总结

今天派森酱给大家介绍了一个处理数据的神器，使用管道可以让繁琐的操作浓缩在几行甚至一行代码搞定，提高可读性的同时还提升了代码的整洁程度，美滋滋～ 

香港云服务器

很赞哦!（4）